卡内基梅隆大学（CMU）的研究人员挑战一个长期以来的假设，即在使用机器学习做公共政策决策时，要在准确性和公平性之间进行权衡。 随着刑事司法、招聘、医疗保健服务和社会服务干预等领域对机器学习的使用不断增加，人们愈来愈担心此类应用会引入新的或者扩大现有的不平等，特别是针对少数族裔和经济劣势人群。为了防止此类偏见，机器学习系统的数据、标签、模型训练、评分系统等方面都进行了一些调整。基本的理论假设是这些调整让系统变得不太准确。

卡内基梅隆的一个团队希望通过一项新的研究消除这些假设，研究论文发表在《Nature Machine Intelligence》上。 研究人员发现，针对准确性进行优化的模型——机器学习的标准实践——可以有效地预测感兴趣的结果，但在干预建议方面表现出相当大的差异。当研究人员对旨在提高公平性的模型的输出进行调整时，他们发现基于种族、年龄或收入的差异（视情况而定）的不平等可以被消除，而且不会降低准确性。

美国桑迪亚国家实验室演示了不依赖 GPS 的先进寻路技术。

一年多来，牛油果大小的真空室包含了一团原子云，在合适的环境下进行精确导航测量。桑迪亚国家实验室的科学家 Peter Schwindt 表示，这是首个小型节能并足够可靠的设备，有望将量子传感器——使用量子力学技术、优于传统传感器——从实验室扩展到商业用途。他表示，作为未来不依赖 GPS 卫星的导航系统的核心，桑迪亚开发了该真空室。今年早此时候《AVS Quantum Science》期刊介绍了这项技术。

目前，全球无数的设备都使用 GPS 寻路。其关键部分是计时精确的原子钟，可以使卫星网络完美同步。但是 Schwindt 表示，GPS 信号可能会受到干扰或者欺骗，可能导致商用和军用车辆的导航系统失效。Schwindt 表示，未来车辆可能不是依赖卫星去跟踪自己的位置。它们可以用像原子钟一样精确的机载设备来实现，通过将激光照射到小团的铷气云（类似桑迪亚）测量加速度和旋转。